原文传递
基于混合粒子群算法的列车开行方案优化研究
| 论文题名： | 基于混合粒子群算法的列车开行方案优化研究 |
| 关键词： | 城市客运专线;列车停站方案;优化模型;粒子群算法;量子遗传算法 |
| 摘要： | 随着我国经济的迅速发展，城市客运专线已基本建成，为满足铁路部门和旅客的需求，需制定更优的列车开行方案。而列车停站方案是列车开行方案的关键环节，因此，本文将重点研究列车停站方案优化。首先，针对传统停站方案没有充分考虑旅客旅行时间和区段可达性问题，建立了以旅行时间最少和区段可达性最大为目标的多目标列车停站方案优化模型;其次，为解决多目标列车停站方案优化，结合粒子群算法和量子遗传算法优点，提出多目标量子遗传粒子群算法;最后，结合高铁客流数据，根据改进算法对停站方案优化模型进行求解，得到优化后的列车停站方案，并实现列车开行方案辅助决策系统。论文主要工作如下: (1)针对传统列车停站方案模型没有充分考虑乘客不同乘车区间的时间损失和不同等级车站间的直达性问题，建立了以旅客旅行时间最少和区段可达性最大为目标的多目标列车停站方案优化模型。该模型首先利用LDA(Latent Dirichlet Allocation，LDA)主题模型分析客流特征，并将乘客在不同乘车区间的时间损失和列车停站时间损失总和作为乘客的出行时间损失;其次，根据站点等级系数确定不同等级车站间的可达性;最后，根据多目标优化理论提出了基于多目标优化算法的模型求解思路。 (2)为解决列车停站方案多目标优化，提出多目标量子遗传粒子群算法。该算法针对粒子群算法易陷入局部最优解的不足，引入量子遗传算法，利用自适应度值排序方法更新粒子速度公式中的惯性权重，并将更新的速度公式用于量子旋转门角度的更新。在选择平衡旅客和铁路部门利益的最优解时，提出了一种位置排序的Pareto最优解构造方法，使算法收敛于Pareto前沿。实验表明，改进算法解的质量较量子遗传算法提高38.1％，时间复杂度降低8.9％;改进算法解的质量较量子粒子群算法提高11.3％，时间复杂度降低39.6％。 (3)根据建立的多目标停站方案优化模型和多目标量子遗传粒子群算法求解方法设计高铁列车停站方案。实验表明，优化的停站方案在保证运送完全部客流的情况下，较原停站方案区段可达性提高9.1％，途旅行时间减少5.9％，停站总次数减少13.6％。最后，将拟定的开行方案应用于客运辅助决策系统中，根据模型自动生成和调整列车停站方案，为铁路部门提供辅助决策。 |
| 作者： | 陈晓敏 |
| 专业： | 软件工程 |
| 导师： | 王家伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
